手机跑离线大模型：开源AI Agent支持MCP与自主任务

一部手机，一个自主AI Agent

如果你还在用一个个独立的AI App来生图、问答、写代码，或许可以换一种思路：把所有这些能力装进一个能自主执行任务的Agent里，并且让它离线运行。据YouTube频道分享的项目演示，作者构建了一款运行在Android设备上的自主AI Agent，集成了离线模型、MCP服务器连接、远程控制以及项目生成能力。

这个Agent最核心的卖点在于“自主”与“离线”的结合。它不仅能在联网时调用云端模型完成复杂任务，还能在断网状态下切换至本地模型继续工作。作者强调，应用会自动识别手机型号与处理器，并启用GPU加速，因此即便是一台配置 modest 的Acer平板，也能运行这些离线模型——只不过token生成速度会慢一些。

应用内置了丰富的离线模型库，用户可以根据手机RAM和处理器性能挑选合适的模型，一键下载、一键加载，GPU加速由系统自动处理。在聊天模式与Agent模式之间切换也没有门槛。

MCP协议打通手机与PC：从查GitHub到开记事本

这个项目真正拉开与其他AI App差距的地方，是对MCP（Model Context Protocol）服务器的完整支持。MCP是一种让AI模型安全连接外部工具与数据源的开放协议，作者在演示中连接了GitHub MCP服务器和本地PC工具。

在Agent模式下，作者首先提问“What is Reverse Engineering Anything GitHub?”，Agent随即联网搜索并返回了准确的项目描述。接着，他让Agent列出自己GitHub账号中star数最高的仓库，消息发出后Agent立即调用MCP工具，抓取并返回了完整列表。这意味着用户可以直接在手机上对GitHub仓库执行操作，而不必打开浏览器或电脑。

更直观的演示来自本地PC控制。作者发送“Open Notepad on my PC”，记事本瞬间在电脑上打开；随后发送“Play the song Closer on YouTube”，Agent调用MCP工具、打开Chrome并播放了歌曲。

这种跨设备控制能力，配合Telegram桥接功能，让用户可以像使用OpenClaw^广告或Hermes这类Agent一样远程操控手机上的Agent。设置过程也不复杂：保存bot token即可完成Telegram配置，Agent的能力范围也可以按需自定义。

MCP（Model Context Protocol）是由Anthropic于2024年底提出并开源的协议标准，旨在为AI模型与外部工具、数据源之间建立统一的连接方式。它采用客户端-服务器架构：模型侧作为客户端发起请求，而各类工具（如GitHub、本地文件系统、数据库）则封装为MCP服务器，通过标准化接口暴露其功能。与传统的函数调用（function calling）相比，MCP的优势在于协议层面的解耦——只要工具实现了MCP服务器，任何支持该协议的Agent都能直接调用，无需为每个工具单独编写适配代码。这使得Agent的能力扩展变得模块化，也解释了为何该应用能同时连接远程GitHub和本地PC工具。

自进化文件与人格设定

作者特别提到一个他喜欢的设计：Agent的自进化特性。与Hermes Agent类似，它会维护soul.md、memory.md、user.md等文件，用户甚至可以手动编辑这些文件。通过这种方式，可以为Agent分配不同的人格，适配不同的使用场景。

这种“文件即记忆”的做法，让Agent的行为变得可审计、可调整，而不是黑箱式的记忆管理。对于希望深度定制Agent行为的用户来说，这比封闭式App灵活得多。

soul.md、memory.md、user.md这类文件是近年来Agent设计中流行的“文件即记忆”范式。其中，soul.md通常定义Agent的核心人格、行为准则与语气风格；memory.md记录Agent在交互中积累的长期记忆与经验；user.md则存储用户画像、偏好与历史上下文。与将记忆嵌入向量数据库或模型参数不同，这种纯文本文件方案的优势在于完全透明：用户可以直接阅读、编辑甚至版本控制这些文件，从而精确调整Agent行为。在开源Agent项目（如OpenClaw、Hermes）中，这一模式已被广泛采用，它让Agent的“人格”和“记忆”成为可移植、可审计的资产，而非黑箱。

一句话生成网站与游戏

Agent模式下的项目生成能力是另一个亮点。作者演示了让Agent创建一个网站并保存到下载文件夹的过程：切换到Agent模式，描述需求，Agent便自主完成整个项目，最终在下载目录中生成了一个HTML文件，打开后是一个完整的网站。作者坦言效果并不完美，因为提示词非常简单，但可以继续让Agent细化或修改。如果连接了GitHub MCP服务器，还能直接把项目推送到GitHub。

视频开头作者还提到，他正在玩的游戏就是由这个Agent生成的，此外它还为他搭建过一个电商网站。这些案例说明，当Agent具备工具调用与文件系统访问能力后，手机可以成为一个轻量级的开发环境。

图像生成与任务调度

图像生成方面，应用支持任意风格、不限数量的图片生成。作者展示了多张由该应用生成的图像，并坦率承认画质并非旗舰级、顶级水准，这一点可以扣分。但它的优势在于“任何类型的图像都能生成”，且不设过滤限制。

任务调度是容易被忽略但很实用的功能：Agent可以设置提醒和cron定时任务，支持手动创建、编辑、删除，也可以交给Agent自主管理。

cron定时任务源自Unix/Linux系统的经典任务调度机制，通过“分钟 小时 日 月 周”五个字段定义任务执行时间，例如“0 9 * * *”表示每天上午9点执行。在Agent场景中，cron被扩展为一种让Agent自主管理周期性任务的能力：用户可以用自然语言描述“每天帮我总结一次GitHub通知”，Agent将其转化为cron表达式并注册到系统调度器中。与简单的提醒功能不同，cron任务可以触发完整的Agent工作流（如调用MCP工具、生成文件），使手机上的Agent具备持续后台执行的能力，这是迈向“自主数字助理”的关键一步。

开源与安装

项目完全开源，代码托管在作者的仓库中，安装包可在releases区域下载。安装后首次启动需要为Agent模式选择一个provider，作者建议直接选免费选项，如Gemini、NVIDIA NIM或Ollama。本地模型和离线模型在设置中配置，下载后一键加载即可离线使用。作者也鼓励学生将这个项目作为毕业设计的基础。

从技术组合来看，这个项目融合了Gemini、Midjourney、Cloud MCP、本地LLM、OpenClaw式Agent等多种工具的思路。它并非从零发明每一项能力，而是把已有的开源组件与协议整合进一个移动端容器，降低了普通用户接触自主Agent的门槛。

说一下，以上信息来自单一视频来源，项目的实际稳定性、不同机型的兼容性以及MCP服务器的安全性，仍需用户自行验证。作者在视频末尾提到正在基于“Reverse Engineering Anything GitHub”构建一个更宏大的项目，后续值得关注。